Preguntas etiquetadas con forecasting

Supongamos que tengo una muestra de frecuencias de 4 eventos posibles: Event1 - 5 E2 - 1 E3 - 0 E4 - 12 y tengo las probabilidades esperadas de que ocurran mis eventos: p1 - 0.2 p2 - 0.1 p3 - 0.1 p4 - 0.6 Con la suma de las …

9 r  statistical-significance  chi-squared  multivariate-analysis  exponential  joint-distribution  statistical-significance  self-study  standard-deviation  probability  normal-distribution  spss  interpretation  assumptions  cox-model  reporting  cox-model  statistical-significance  reliability  method-comparison  classification  boosting  ensemble  adaboost  confidence-interval  cross-validation  prediction  prediction-interval  regression  machine-learning  svm  regularization  regression  sampling  survey  probit  matlab  feature-selection  information-theory  mutual-information  time-series  forecasting  simulation  classification  boosting  ensemble  adaboost  normal-distribution  multivariate-analysis  covariance  gini  clustering  text-mining  distance-functions  information-retrieval  similarities  regression  logistic  stata  group-differences  r  anova  confidence-interval  repeated-measures  r  logistic  lme4-nlme  inference  fiducial  kalman-filter  classification  discriminant-analysis  linear-algebra  computing  statistical-significance  time-series  panel-data  missing-data  uncertainty  probability  multivariate-analysis  r  classification  spss  k-means  discriminant-analysis  poisson-distribution  average  r  random-forest  importance  probability  conditional-probability  distributions  standard-deviation  time-series  machine-learning  online  forecasting  r  pca  dataset  data-visualization  bayes  distributions  mathematical-statistics  degrees-of-freedom 

Dado que no podemos ajustar el modelo ARIMA cuando se viola el supuesto de varianza constante, ¿qué modelo se puede usar para ajustar series de tiempo univariantes?

9 time-series  modeling  forecasting  arima 

He ajustado el modelo ARIMA (5,1,2) usando la auto.arima()función en R y al mirar en orden podemos decir que este no es el mejor modelo para pronosticar. Si existen valores atípicos en la serie de datos, ¿cuál es el método para ajustar un modelo a dichos datos?

9 r  time-series  forecasting  outliers  arima 

Esto debe aparecer --- el pronóstico de cosas que están atrapadas entre 0 y 1. En mi serie, sospecho que hay un componente de regresión automática y también un componente de reversión a la media, por lo que quiero algo que pueda interpretar como un ARIMA --- pero no quiero …

9 time-series  forecasting  logistic  arima  beta-regression 

Los siguientes injertos se toman de este artículo . Soy novato en bootstrap e intento implementar el bootstrapping paramétrico, semiparamétrico y no paramétrico para el modelo mixto lineal con R bootpaquete. Código R Aquí está mi Rcódigo: library(SASmixed) library(lme4) library(boot) fm1Cult <- lmer(drywt ~ Inoc + Cult + (1|Block) + …

9 r  mixed-model  bootstrap  central-limit-theorem  stable-distribution  time-series  hypothesis-testing  markov-process  r  correlation  categorical-data  association-measure  meta-analysis  r  anova  confidence-interval  lm  r  bayesian  multilevel-analysis  logit  regression  logistic  least-squares  eda  regression  notation  distributions  random-variable  expected-value  distributions  markov-process  hidden-markov-model  r  variance  group-differences  microarray  r  descriptive-statistics  machine-learning  references  r  regression  r  categorical-data  random-forest  data-transformation  data-visualization  interactive-visualization  binomial  beta-distribution  time-series  forecasting  logistic  arima  beta-regression  r  time-series  seasonality  large-data  unevenly-spaced-time-series  correlation  statistical-significance  normalization  population  group-differences  demography 

Como pasatiempo secundario, he estado explorando las series temporales de pronósticos (en particular, usando R). Para mis datos, tengo el número de visitas por día, por cada día que se remonta a casi 4 años. En estos datos hay algunos patrones distintos: De lunes a viernes tiene muchas visitas (mayor …

9 r  time-series  seasonality  forecasting 

Introducción En la combinación de pronósticos, una de las soluciones populares se basa en la aplicación de algún criterio de información. Tomando, por ejemplo, el criterio de Akaike estimado para el modelo , uno podría calcular las diferencias de de y luego RP_j = e ^ {(AIC ^ * - …

9 time-series  forecasting  data-transformation  econometrics 

No estoy tan familiarizado con el análisis de datos de series temporales. Sin embargo, tengo lo que creo que es una tarea de predicción simple para abordar. Tengo alrededor de cinco años de datos de un proceso generador común. Cada año representa una función monotónicamente creciente con un componente no …

9 time-series  forecasting 

Estoy tratando de construir un modelo de pronóstico de regresión de series de tiempo para una variable de resultado, en dólares, en términos de otros predictores / variables de entrada y errores autocorrelacionados. Este tipo de modelo también se llama modelo de regresión dinámica. Necesito aprender a identificar las funciones …

9 time-series  forecasting  dynamic-regression 

Actualmente estoy trabajando en una tarea de pronóstico de demanda, con datos sobre decenas de miles de productos en un par de miles de tiendas. Más específicamente, tengo unos pocos años de datos de ventas diarias por producto en cada tienda, y mi objetivo es pronosticar las ventas futuras de …

9 time-series  forecasting  predictive-models 

La arimaxfunción en el TSApaquete es, que yo sepa, el único Rpaquete que se ajustará a una función de transferencia para los modelos de intervención. Sin embargo, carece de una función de predicción que a veces es necesaria. ¿Es lo siguiente una solución alternativa para este problema, aprovechando el excelente …

9 r  time-series  forecasting  arima  intervention-analysis 

Me gustaría utilizar una red neuronal para predecir series de tiempo financieras. Vengo de un entorno de TI y tengo algunos conocimientos de redes neuronales y he estado leyendo sobre estos: TDNN RNN He estado buscando paquetes R para ellos y solo encontré uno para RNN, el paquete RSNNS que …

9 time-series  forecasting  neural-networks  finance 

He estado lidiando con el siguiente problema. Tengo una especie de sistema de tiempo real y cada período de tiempo leo su valor actual, creando una serie de tiempo (como 1, 12, 2, 3, 5, 9, 1, ...). Me gustaría conocer métodos (estadística y aprendizaje automático) para pronosticar el siguiente …

9 time-series  machine-learning  online  forecasting 

[Primero publiqué esta pregunta en Stack Overflow aquí, pero no recibí ninguna respuesta, así que pensé en intentarlo aquí. Disculpas si no se permite volver a publicar.] He estado tratando de usar esta implementación del algoritmo Holt-Winters para pronosticar series temporales en Python, pero me he encontrado con un obstáculo …

8 forecasting  python 

He estado usando las funciones ets () y auto.arima () del paquete de pronóstico para pronosticar una gran cantidad de series de tiempo univariadas. He estado usando la siguiente función para elegir entre los 2 métodos, pero me preguntaba si CrossValidated tenía ideas mejores (o menos ingenuas) para el pronóstico …

8 r  time-series  forecasting  exponential  arima